深度分析
Open Ontologies：以 Rust 實作的 LLM 驅動本體工程與穩定1對1匹配
研究聚焦本體工程與對齊，提出OpenOntologies一個將LLM生成、OWL形式推理與ModelContextProtocol工具串接的系統。核心採穩定1對1匹配，實驗顯示此約束是提升對齊品質的關鍵，且結構化工具存取大幅改善LLM處理OWL的表現。
深度分析
研究聚焦本體工程與對齊，提出OpenOntologies一個將LLM生成、OWL形式推理與ModelContextProtocol工具串接的系統。核心採穩定1對1匹配，實驗顯示此約束是提升對齊品質的關鍵，且結構化工具存取大幅改善LLM處理OWL的表現。
ATR4CH
研究人員推出 ATR4CH 框架，將大型語言模型（LLM）與本體工程結合，系統化地將文化遺產文本轉化為知識圖譜。該方法能有效提取過往難以量化之學術爭議與證據，在元數據提取上達到 0.96-0.99 的 F1 分數，並為文化遺產機構提供可複製的結構化知識發現工具。